16,040
回編集
「ニューロンモデル」の版間の差分
ナビゲーションに移動
検索に移動
細
→確率的スパイクモデル
細 (→膜電位モデル) |
細 (→確率的スパイクモデル) |
||
| 80行目: | 80行目: | ||
スパイク生成の確率性をモデル化するので、スパイク生成機構そのもの（Na チャネルと遅延整流型Kチャネル）はモデル化の対象とはせず、閾値以下の範囲の過程を記述する。この場合、直前のスパイクが発生した時刻を0とした場合の時刻tにおける膜電位は、spike response modelと呼ばれる次の形にかける<ref name=Gerstner2014>'''Gerstner, W., Kistler, W.M., Naud, R., Paninski, L. (2014)'''<br>Neuronal Coding. Cambridge University Press, Cambridge, UK.</ref>[14]（積分発火モデル参照）。 | スパイク生成の確率性をモデル化するので、スパイク生成機構そのもの（Na チャネルと遅延整流型Kチャネル）はモデル化の対象とはせず、閾値以下の範囲の過程を記述する。この場合、直前のスパイクが発生した時刻を0とした場合の時刻tにおける膜電位は、spike response modelと呼ばれる次の形にかける<ref name=Gerstner2014>'''Gerstner, W., Kistler, W.M., Naud, R., Paninski, L. (2014)'''<br>Neuronal Coding. Cambridge University Press, Cambridge, UK.</ref>[14]（積分発火モデル参照）。 | ||
:<math> | |||
V(t)=V_{rest}+\eta(t)+\int_0^tK(\tau)I(t-\tau)d\tau | |||
</math> | |||
Vrestは静止膜電位、η(t)はスパイク発生直後に生じる膜電流による効果（自分自身の発火による影響）、K(t)は入力電流の膜電位に対する効果（自分以外からの入力による影響）を表す。spike response modelは積分発火モデルの拡張であり、決定論的モデルの１つに分類されるが、これを用いて確率的モデルとして拡張できる。この膜電位を用い、瞬時発火率 | Vrestは静止膜電位、η(t)はスパイク発生直後に生じる膜電流による効果（自分自身の発火による影響）、K(t)は入力電流の膜電位に対する効果（自分以外からの入力による影響）を表す。spike response modelは積分発火モデルの拡張であり、決定論的モデルの１つに分類されるが、これを用いて確率的モデルとして拡張できる。この膜電位を用い、瞬時発火率 | ||